[发明专利]蛋白质结构识别方法、训练方法及装置

权利要求书

1.一种深度学习模型的训练方法，包括：

利用掩码语言处理网络对样本蛋白质的氨基酸特征序列进行处理，得到包括氨基酸共进化信息的第一特征；

利用关系图神经网络对所述样本蛋白质的空间结构特征进行处理，得到包括空间结构信息的第二特征；

基于对比损失函数，根据所述第一特征和所述第二特征得到特征损失值；以及

基于所述特征损失值，调整所述掩码语言处理网络和所述图神经网络的模型参数，得到经训练的深度学习模型。

2.根据权利要求1所述的方法，其中，所述利用关系图神经网络对所述样本蛋白质的空间结构特征进行处理，得到包括空间结构信息的第二特征，包括：

根据所述空间结构特征，构建关系图，其中，所述关系图包括节点和边，所述节点表征所述样本蛋白质的主链碳骨架上与羰基连接的碳原子，所述边表征两个所述节点之间的信息聚合方向；以及

根据所述信息聚合方向，对每一个所述节点的空间结构特征进行聚合，得到所述第二特征。

3.根据权利要求2所述的方法，其中，所述节点包括I个，I为大于1的整数，所述根据所述信息聚合方向，对每一个所述节点的空间结构特征进行聚合，得到所述第二特征，包括：

根据第i个节点，按照所述信息聚合方向，确定与所述第i个节点相关联的J个节点，i为大于等于1且小于等于I的整数，J为大于1等于1且小于I的整数；

根据所述J个节点的空间结构特征，得到所述第i个节点的关联结构特征；

根据所述第i个节点的关联结构特征和所述第i个节点的空间结构特征，得到所述第i个节点的聚合结构特征；

在确定i小于I的情况下，返回执行确定与所述第i个节点相关联的J个节点的操作，并递增i；以及

在确定i等于I的情况下，根据I个节点的聚合结构特征，得到所述第二特征。

4.根据权利要求3所述的方法，其中，所述根据所述J个节点的空间结构特征，得到所述第i个节点的关联结构特征，包括：

根据所述J个节点的空间结构特征和所述第i个节点的空间结构特征，确定所述J个节点与所述第i个节点的空间位置关系；

根据所述空间位置关系，确定所述J个节点的关联权重；以及

根据所述J个节点的关联权重和所述J个节点的空间结构特征，得到所述第i个节点的关联结构特征。

5.根据权利要求2所述的方法，其中，所述根据所述空间结构特征，构建关系图，包括：

确定所述样本蛋白质的主链碳骨架上与羰基连接的任一碳原子为初始节点；

根据每一个节点的空间结构特征，确定目标节点和所述目标节点与所述初始节点之间的空间位置关系；以及

根据所述初始节点、所述目标节点和所述空间位置关系，得到所述关系图。

6.根据权利要求5所述的方法，其中，所述空间结构特征表征节点的三维坐标信息，所述根据每一个节点的空间结构特征，确定目标节点和所述目标节点与所述初始节点之间的空间位置关系，包括：

根据每一个节点的三维坐标信息，得到其他节点与所述初始节点之间的空间距离信息；

根据所述空间距离信息，从所述其他节点中确定所述目标节点，其中，所述目标节点与所述初始节点之间的空间距离小于等于预定阈值；以及

根据所述初始节点的三维坐标信息和所述目标节点的三维坐标信息，得到所述空间位置关系。

7.根据权利要求1所述的方法，其中，所述利用掩码语言处理网络对样本蛋白质的氨基酸特征序列进行处理，得到包括氨基酸共进化信息的第一特征，包括：

对样本蛋白质的氨基酸特征序列随机在不同位置进行掩码，得到彼此遮盖位置不同的局部基团被遮盖的多个氨基酸特征序列；

基于注意力策略，通过对每一个局部基团被遮盖的氨基酸特征序列进行处理，得到与每一个遮盖位置对应的局部基团的特征，得到与多个遮盖位置对应的多个局部基团的特征；以及

对所述多个局部基团的特征进行池化处理，得到所述第一特征。